如何用lapply或purrr函数优雅地为数据框指定列添加自定义类？

背景与需求 #

现有如下数据框：

jnk <- mtcars[1:3, 1:3]
jnk
#>                mpg cyl disp
#> Mazda RX4     21.0   6  160
#> Mazda RX4 Wag 21.0   6  160
#> Datsun 710    22.8   4  108

各列初始类型：

lapply(jnk, class)
#> $mpg
#> [1] "numeric"
#> 
#> $cyl
#> [1] "numeric"
#> 
#> $disp
#> [1] "numeric"

需求：为第2、3列添加自定义类"formula"。

原for循环实现可正常生效：

myfunc <- function(df, cols){
  for(i in cols){
    class(df[[i]]) <- c(class(df[[i]]), "formula")
  }
  return(df)
}

jnk <- myfunc(jnk, 2:3)
lapply(jnk, class)
#> $mpg
#> [1] "numeric"
#> 
#> $cyl
#> [1] "numeric" "formula"
#> 
#> $disp
#> [1] "numeric" "formula"

最初的lapply实现未生效，核心原因是：R中对象默认按值传递，lapply匿名函数里修改的是数据框的副本，修改操作不会影响外部的原数据框，最终返回的还是未修改的原始数据。

正确的lapply实现 #

通过将修改后的列重新赋值回数据框，即可实现需求：

newfunc <- function(df, colnums) {
  # 仅对指定列修改类属性，其余列保持原样
  df[colnums] <- lapply(df[colnums], function(col) {
    class(col) <- c(class(col), "formula")
    col
  })
  return(df)
}

# 测试
jnk <- mtcars[1:3, 1:3]
jnk <- newfunc(jnk, 2:3)
lapply(jnk, class)
#> $mpg
#> [1] "numeric"
#> 
#> $cyl
#> [1] "numeric" "formula"
#> 
#> $disp
#> [1] "numeric" "formula"

用purrr包实现更优雅的版本 #

purrr包的modify_at函数专门用于修改数据框的指定列，代码更简洁可读：

library(purrr)

newfunc_purrr <- function(df, colnums) {
  modify_at(df, colnums, function(col) {
    class(col) <- c(class(col), "formula")
    col
  })
}

# 测试
jnk <- mtcars[1:3, 1:3]
jnk <- newfunc_purrr(jnk, 2:3)
lapply(jnk, class)
#> $mpg
#> [1] "numeric"
#> 
#> $cyl
#> [1] "numeric" "formula"
#> 
#> $disp
#> [1] "numeric" "formula"

方案对比与最优选择 #

• 原for循环方案：无需依赖第三方包，性能稳定（R的for循环已优化，数据量不大时效率很高），逻辑清晰，是可靠的选择。
• 修正后的lapply方案：不依赖第三方包，代码更具函数式风格。
• purrr::modify_at方案：代码最简洁优雅，可读性强，但需要引入purrr包。

没有绝对的最优方案，可根据场景选择：如果项目已使用tidyverse生态，优先选purrr版本；如果要避免额外依赖，原for循环或修正的lapply版本都很合适。

内容的提问来源于stack exchange，提问作者FB001